动作中的关节：基于动态-静态解耦的无先验部分运动分析

关节式对象随处可见。我们的目标是实现对独立移动部件的高质量重建、分割以及关节分析。近期方法分析两种不同的关节状态并进行逐点部件分割，通过跨状态对应关系优化每个部件的关节，使用已知部件数量的先验知识。这种假设极大限制了其应用范围和性能。当对象在两种状态下难以清晰呈现时，其鲁棒性会受到降低。为此本文提出了一种新框架，称为关节运动中的关节（Articulation in Motion, AiM）。我们从用户-对象交互视频和初始状态扫描中推断部件级分解、关节运动学，并重建交互式3D数字复制品。我们提出了一种从初始3DGS扫描和显示独立部件运动的视频中学习的双高斯场景表示。它利用运动线索将对象分割为部件并分配关节。随后，采用鲁棒的顺序RANSAC实现部件运动分析，无需任何部件级结构先验，即可将运动原始体聚类为刚性部件并估计运动学，同时自动确定部件数量。该方法将对象分为若干部件，每个部件均表示为3D高斯集合，以实现高质量渲染。我们的方法优于先前方法，无需先验知识即可获得更高质量的部件分割。针对简单和复杂对象进行了大量实验分析，验证了该方法的有效性和强大泛化能力。项目页面：https://haoai-1997.github.io/AiM/。